# 美团 LongCat 发布旗舰模型 LongCat-2.0

- 来源：SiliconFlow (@SiliconFlowAI)
- 发布时间：2026-06-30 13:42
- AIHOT 分数：67
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.virxact.com/items/cmr08dev204qjslkit52gdrur
- 原文链接：https://x.com/SiliconFlowAI/status/2071831773076746715

## 精选理由

美团龙猫的 LongCat-2.0 专为 agentic coding 设计的 MoE 模型，架构上三种专家分工有点意思，SWE-bench 59.5 接近闭源水平，已经能在硅基流动上直接调，做 coding agent 的可以跑跑看。

## AI 摘要

美团 LongCat 推出旗舰模型 LongCat-2.0，采用 1.6T 参数 MoE 架构（约 48B 活跃参数），原生支持 1M 上下文窗口。定价为 Input Cache $0.015/1M tokens、Input $0.75/1M tokens、Output $2.95/1M tokens。模型专为 Agentic Coding 设计，包含三大技术：LSA 稀疏注意力实现高效 1M 扩展；Zero-Compute Experts 动态激活 33B–56B 参数/token，无算力浪费；MOPD 将专家分为 Agent / Reasoning / Interaction 三组，按任务门控路由。在 SWE-bench Pro 上取得 59.5 分，性能接近主流闭源模型。现已上线 SiliconFlow Day 0 服务。

## 正文

@OpenRouter 上 "Owl Alpha" 背后的完整模型来了🦉 让我们来认识一下 @Meituan_LongCat 的最新旗舰模型 LongCat-2.0 现已在 SiliconFlow 上线 Day 0🔥 💰 输入缓存/输入/输出：每 1M 模型 token $0.015/0.75/2.95 ⚙️ 1.6T 参数 MoE（约 48B 激活参数）· 原生 1M 上下文窗口 🧠 从头为智能体编码而构建： ◆ LSA：可高效扩展到 1M 的稀疏注意力机制 ◆ 零算力专家：每 token 动态激活 33B–56B 参数，无算力浪费 ◆ MOPD：三个专用专家组（智能体 / 推理 / 交互），按任务由门控路由 🏆 SWE-bench Pro 59.5：性能与主流闭源模型持平 开始构建 🐱👇